tensorflow和pytorch的区别

tensorflow和pytorch的区别在于以下2点：1.运算差异；2.使用对象。tensorflow和pytorch两者具有运算差异，由于各自框架不同在运算过程上不一样，虽然最终能够得到相同的结果，但是中间的运算过程具有非常大的差异。

1、pytorch和tensorflow的运算差异

首先要搞清楚 pytorch和tensorflow之间的不同点就要知道两者在运算模式上的差异，前者是一个动态的框架，所谓动态框架，就是说在运算过程中，会根据不同的数值，按照优异方式进行合理安排。

而相对来说后者属于静态框架，所谓静态框架，就是只需要建构一个tensorflow的计算图，然后才能够将不同的数据输入进去，进行运算，这世界上就带来了一个非常严重的问题，那就是计算的流程处于固定状态，这种不灵活的运算方式，必然会导致在结算结果上效率比较低下。从运算过程的区别来看，pytorch的优势比较明显。

2、pytorch和tensorflow的使用对象

这两种程序操作虽然能够得到同样的结果，但是由于不同的运算过程，会导致在程序应用的过程中有不同的难点，Pytorch，相对来说更能够在短时间内建立结果和方案更适合于计算机程序爱好者或者是小规模项目，包括研究人员。

而tensorflow则更适合在大范围内进行操作，尤其是对于跨台或者是在实现嵌入式部署的时候更具优势。所以如果不知道应该选择使用pytorch还是tensorflow，必须对自己的目标和预期效果做以评判。

Worktile-50万+企业在用的项目协作工具一个工具满足团队所需：任务、项目。文档、IM、目标、日历、甘特图、工时、审批及更多，让工作更简单。

PingCode-智能化研发管理工具，支持Jira迁移PingCode是简单易用的新一代研发管理平台，让研发管理自动化、数据化、智能化、帮助企业提升研发效能。